基于改进麻雀搜索算法的森林火灾图像多阈值分割

为了减少森林火灾对人们的生活和生态环境带来巨大的损失和破坏,采用图像处理技术对森林火灾进行精准定位和预判,可以有效地降低火灾的扩大和蔓延。针对火灾图像大津法分割算法计算量大、运行时间长和阈值选取不够准确导致分割精度不高等缺点,提出精英反向学习-莱维飞行策略的麻雀搜索算法,并将其有效地应用到指数熵多阈值图像的分割中进行寻优,通过研究最佳阈值对森林火灾图像进行合理的分割,并与其他三种指数熵多阈值图像分割算法进行了对比分析。结果表明:改进麻雀搜索算法的森林火灾图像多阈值分割技术能够及时获得火灾图像分割的最佳阈值,其分割的准确性、实时性和抗噪性均明显优于现有的灰狼算法、粒子群算法和鲸鱼算法,能够为图像处理的工程应用提供一种较好的阈值分割技术。     

基于混合果蝇算法的桩锚支护深基坑临界滑面搜索

进行基坑整体稳定性分析常采用极限平衡法,但仍然需要依据经验试算一系列滑面,将安全系数最小的滑面确定为最危险滑面.针对此问题,提出将果蝇优化（FOA）算法与禁忌搜索（TS）算法融合,提出自适应步长的混合果蝇优化算法（HFOA）,以克服基本果蝇算法局部寻优精度不高且易陷入局部最优的缺点,确保获得全局最优解,并结合简化Bishop算法用于临界滑面的搜索.在Matlab中编程实现该算法,通过与6种启发式算法进行对比,结果表明,HFOA适用于均质土悬臂支护基坑、成层土和含软弱夹层的桩锚支护基坑,相较于遗传算法等6种算法具有更快的收敛速度、更高的收敛精度和可靠性,为深基坑临界滑动面搜索提供了一种新的求解策略.     

一种快速的块匹配运动估计新算法

视频编码是一个复杂的过程,包括了空间,时间和统计数据缩减技术的结合.这些技术中运动估计在帧间冗余信息中起着至关重要的作用.因此,寻找最有效的运动估计算法仍然是一项重要的研究课题.在此,为了提高视频编码效率,提出一种新菱形搜索(NDS)的算法. NDS算法适用于开始搜索步骤为十字搜索模式(CSP)并且交叉用大菱形搜索模式(LDSP)和小菱形搜索模式(SDSP),以避免发生局部最优问题.实验结果表明,该NDS算法相对于菱形搜索算法在搜索速度和搜索精度上有显著提高. NDS算法在压缩精度上非常接近于全搜索算法,但是搜索速度是全搜索算法的18.51倍.与DS算法相比,NDS的算法可以实现超过125%倍的速度.     

基于SIR粒子滤波和局部搜索算法的运动目标跟踪方案

针对视频处理中的显著运动目标跟踪问题,提出一种基于序列重要性重采样(SIR)粒子滤波和局部搜索算法的运动目标跟踪方案.首先,对视频序列进行SIR粒子滤波,获得粒子的似然分布,并对粒子进行加权;然后,构建粒子的动态模型和观测模型;最后,当检测到目标运动时,根据每个时间步上观测似然的反馈信息,利用局部搜索算法自适应更新粒子的动态模型,从而实现目标的动态跟踪.实验结果表明,该方案能够有效地跟踪运动目标,且对目标背景、大小、遮挡和光照等因素具有鲁棒性.     

基于TentSSA-BPNN模型的钢铁企业能耗预测研究

为提高对钢铁企业电力能耗的预测精度,本文提出一种基于改进后的麻雀搜索算法的能耗预测模型TentSSA-BPNN。该模型利用Tent混沌映射改进SSA算法,设计出的TentSSA算法具有良好的稳定性和不易陷入局部最优的特点,再将其应用于传统BP神经网络,提升了预测精度。以某钢铁企业的电力能耗数据作为算例,对TentSSA-BPNN模型进行充分训练,再将其应用到对该企业的电力能耗预测当中。最后,设立对照组与本文提出的TentSSA-BPNN能耗预测模型进行对比分析。对照结果表明,TentSSA-BPNN预测模型对电力能耗的预测精度较高,在钢铁企业的节能减排方面具有一定的指导作用。     

一机两流的连铸生产计划模型与算法

编制高效的连铸生产计划是现代钢铁企业提高生产率和降低能耗的有效手段,在此基础上,讨论了某大型钢铁企业一机两流的连铸生产计划编制问题,建立了基于目标规划的数学模型,目标是在满足生产规程的同时取得最大的效益·为解决该问题,提出了一种将遗传算法和禁忌搜索算法进行结合的智能搜索算法以加强遗传算法局部搜索能力·同时,在遗传算法中采用动态变异概率以防止出现早熟现象,在禁忌算法中采用自适应惩罚系数调整策略来满足模型中的约束,实际的计算结果证实了模型的可行性和算法的有效性     

1|fuzzy|min∑ni=1Ci模型的禁忌搜索算法

根据三角形模糊数的特性,在对总加工时间模糊度有约束的条件下,构造出NP-困难的1|fuzzy|min∑ni=1Ci排序模型的禁忌搜索(TS)算法.构造的邻域函数为互换操作.针对1|fuzzy|min∑ni=1Ci模型的特点,设计带有惩罚项的分段线性适应度函数,以规避解的不可行性.并且,取不同的禁忌长度,观察禁忌搜索状态随迭代步数的移动轨迹,以寻求较好的计算参数组合.实例计算表明,该算法的实际应用可行,具有良好的收敛性和较高的搜索效率,且目标函数轨迹呈三阶段变化模式.迭代步数充分大后,目标函数周期性振荡,陷入循环搜索.这种性质能够帮助选择禁忌(tabu)参数值,确定迭代终止条件.     

一种无延迟的水文时间序列预测方法

为解决水文时间序列预测中,序列连续值间存在着高度的自相关性,而引起峰值点的预测时间落后于真实时间的问题,提出一种基于CSVMD-LSTM-ELM的无延迟预测方法。首先,将变分模态分解算法(variational mode decomposition,VMD)与布谷鸟搜索算法(cuckoo search algorithm,CS)相结合,其中,VMD用于削弱时间序列间的相关性,CS用于全局搜索VMD参数的最优解,并重点关注预测延迟的问题,为此,定义了一种新的适应度函数;其次,为分解得到的子序列建立了长短期记忆神经网络(long and short-term memory neural network,LSTM)和极限学习机(extreme learning machine,ELM)两种网络结构,分别讨论了单一网络和组合网络预测效果的优劣;最后,在秦淮河流域数据集上进行实验验证,与原有的LSTM和VMD-LSTM-ELM方法进行比较。结果表明,所提方法相较于其他方法,预测的峰值时间延迟更小,预测误差更低。可见,所提方法能够解决预测的延迟问题。     

改进的粒子群优化算法在云计算任务调度中的应用

针对粒子群优化算法在求解云计算任务调度问题中存在的收敛速度慢、精度低、易陷入局部极值等缺陷,综合考虑最大完成时间最少、任务执行总时间最优两个优化目标,提出一种多策略融合的粒子群优化(multi-strategy particle swarm optimization, MSPSO)算法,并将其应用于求解云计算任务调度问题。该算法融合模拟退火算法、饥饿游戏搜索和双重变异限制策略。首先,通过模拟退火算法动态更新惯性权重,平衡粒子群优化算法的全局搜索和局部搜索,帮助粒子跳出局部极值。其次,引入饥饿游戏搜索算法优化粒子位置更新策略,在算法后期加快粒子收敛速度,提高结果精度。最后,采用双重变异限制策略,同时限制粒子速度和位置,避免粒子发生越界。与其他3种粒子群优化算法进行对比实验,在适应度平均值、最小值、标准差3个方面,MSPSO都有更好的表现。通过仿真,在求解不同任务量的云计算任务调度问题中,MSPSO在总成本、适应度值最小化两方面均表现出明显优势。尤其当任务量为40时,MSPSO总成本比其他算法分别降低了14.4%、15.3%、11.2%,适应度值分别降低了10.5%、10.6%、7.6%,...     

基于LBS的最优出行路径算法的研究与应用

文章是基于LBS移动二次定位位置服务平台进行最优出行路径的研究.研究的目的是在LBS移动定位平台上实现基于出行者决策的最优路径选取,对人们选择最佳出行路线进行导航;在最优出行路径方面将问题分为最短路径算法和路径的权值2个问题;在最短路径算法方面选取了Dijkstra算法,并采用分层搜索、动态限制搜索区域算法对Dijkstra进行辅助,提高算法响应速度;在路径权值的确定方面,采用基于出行者决策的理论模型,对该决策算法进行适当调整,对路径权值重新裁定.